ON EVALUATING LOSS FUNCTIONS FOR STOCK RANKING: AN EMPIRICAL ANALYSIS WITH TRANSFORMER MODEL
创建于 更新于
摘要
本文系统评估了多种基于Transformer模型的损失函数在S&P 500股票日收益排名预测中的表现，比较了点对点、成对及列表式排名损失对模型盈利能力和风险控制的影响。结果显示，Margin、ListNet和BPR等排名损失显著优于传统MSE，提升了年化收益率和夏普比率，同时优化了最大回撤风险，为基于深度学习的量化选股模型的损失函数设计提供了实证指南[page::0][page::1][page::2][page::3][page::4]。
